天眼晚报

🤖 AI 大模型

🏠 小米发布并开源 MiMo-V2.6 系列，登顶最强开源模型

小米发布并开源 MiMo-V2.6 系列（Pro/Flash）原生全模态模型，Pro 版在 Artificial Analysis 综合智能指数取得 46 分，超过 Kimi K3 与 Qwen3.8 Max，与同日发布的 xAI Grok 4.7 并列，成为当前排名最高的开源及国产模型。支持 100 万 token 上下文，采用 MIT 许可证，API 定价仅为海外同等模型的 1/20 至 1/60。Pro 主打复杂 Agent 任务，单次 RL 训练跑 30 大步、约 75 万条轨迹，成本约 262 万美元；Flash 面向高频规模化调用。北大材料科学与工程学院特聘研究员窦锦虎评价其以“Co-Scientist”角色参与真实科研任务时，达到训练有素的博士研究人员的水平。

OpenAI 内部模型 26 天破解 100 多道数学难题，紧急成立独立顾问组

OpenAI 称其 8 月 28 日才开始训练的 内部未公开模型，仅用 24 天解决逾 100 道 长期未解数学难题，含 纳维-斯托克斯千禧年难题。因 25 位菲尔兹奖得主 批评 AI 与数学研究目标错位，OpenAI 在普林斯顿高等研究院设立独立数学与 AI 顾问组，首批 9 名数学家，不获报酬、无权改变研究节奏；同时宣布与独立数学家顾问团合作，负责任地分享 AI 在数学领域的进展。

阿里发布最强国产 AI 芯片真武 V900，算力提升 3 倍

阿里巴巴 CEO 吴泳铭 在云栖大会发布新一代 AI 芯片 真武 V900，由平头哥开发，性能达上代 M890 的 3 倍，可组 50 万颗集群训练前沿模型；自研 M890 超级节点支持 2 万亿参数推理，真武 V900 预计 2027 年 Q1 量产。目标到 2032 年阿里云全球数据中心超 20GW。

SpaceXAI 发布 Grok 4.7，主打编程与知识工作

SpaceXAI / xAI 正式发布 Grok 4.7，定位“面向编程与知识工作的最强模型”，采用全新更大的基座模型并延长强化学习训练，速度约为同类两倍、价格为一半。每百万 token 输入 2 美元、输出 6 美元，与上代 Grok 4.6 持平，上下文 50 万 token，知识截止 2026 年 5 月。已上线 xAI API、Cursor、Grok Build、GitHub Copilot 与 OpenRouter，CursorBench 从 40.4% 升至 46.3%，EEBench 从 53% 升至 64%。马斯克称下一代 Grok 4.8 已训练完成。

阿里下一代架构 Qwen4 已投入训练，参数将扩至 5-10 万亿

2026 云栖大会上，阿里宣布 Qwen3.8-Max 斩获 Artificial Analysis Agentic 智能体第一、CodeArena 前端编程第一；基于下一代架构的 Qwen4 已投入训练，包含 Qwen4-Max、Qwen4-Flash、Qwen4-Plus 及 Qwen4-27B，未来 Qwen4.5、Qwen5 参数将扩展至 5 万亿至 10 万亿，目标是完成更复杂、更长程的任务并向 ASI 迈进。Wan3.0 拿下文生视频与视频编辑双榜第一，下一代视频生成模型也在训练中，理解与生成一体化的多模态模型是探索方向。

DeepSeek 转向华为芯片训练大模型

美媒报道，DeepSeek 创始人 梁文锋 在闭门投资人会议提出，将使用 华为 等国产芯片训练大模型列为重要战略，预计今年四季度或明年一季度获得新一批华为训练芯片；训练顶级模型如用约 5 万颗英伟达 GB300，改用华为昇腾 950 需约 20 万颗。

𝕏 StepFun 发布 Step 5 Preview 旗舰模型，600B 参数

StepFun 发布 Step 5 Preview 旗舰 MoE 模型，600B 总参数/27B 激活，Artificial Analysis 智能指数 44 分，与 Kimi K3 持平，每任务成本约 0.72 美元。定价 $1/$2.70 每百万 token，1M 上下文，10 月 15 日开源权重；采用稀疏 MoE 架构，支持 1M Token 上下文与视觉输入，面向真实世界 Agentic 任务。

𝕏 千问展示 RSI 递归自我改进：Qwen3.8-Max 一月完成 33 轮自我迭代

云栖大会披露，千问团队让模型自我迭代：Qwen3.8-Max 一个月完成 33 轮 有效自我迭代，零人工参与，Artificial Analysis 得分提升 12.5% 至 45 分，与 Claude、GPT 并列第一阵营；消息称 Qwen 正在探索递归自我改进（RSI），使模型能基于真实任务反馈识别自身弱点、设计实验、构造数据并继续训练。Qwen4 参数规模将扩至 5-10T。

𝕏 Kimi K3 发布：2.8T 参数开源模型，1M 上下文

Kimi K3 发布，为 2.8T 参数 开源权重模型，原生视觉，支持 1M 上下文，在编码、推理和智能体任务上达到前沿水平，已在 NebiusAI Token Factory 上线。

Grok 4.7 实测争议：跑分第六、token 效率反降

Grok 4.7 发布后引发实测争议：在 Artificial Analysis 智能指数为 46 分，列全球第六，低于榜首 53 分；网页与 3D 生成表现不稳定，单任务输出约 8.1 万 token，比 Grok 4.6 高 125%。开发者 theo 批评其宣称更省 token 实则多耗 30-80%，多项基准低于 4.6，实际使用成本超 4.6 两倍且高于 Astra。首日实测则显示其严格遵循系统提示、行为稳定保守，但更慢且成本更高。另有分析认为其目标并非跑分，而是抢占默认 Agent 入口，在 Grok Build 上编码 Agent 指数达 56（4.6 为 47）。

🔶 TypeSafe 发布决策模型 Jev，解除候补名单向全网开放

TypeSafe AI 宣布废除 Jev 候补名单向全网开放，新用户注册赠 5 美元（折合 1.2 亿 Token），输出完全免费，输入 0.042 美元/百万 token。Jev 只做结构化判断，返回选项、评分或概率，可通过 OpenRouter、Vercel 调用。公司获 4000 万美元 种子轮，CEO Diogo Almeida 为 InstructGPT 共同作者，称企业 80% 场景只需分类与评分，延迟 70-500ms。开发者将其与 GPT-6 Astra 组队，8 分 43 秒速通击杀《我的世界》末影龙，账单仅 0.97 美元。

Meta 智能体 Muse 走红，下载量超 ChatGPT 同期

Meta 旗下 AI 智能体 Muse 冲上美国苹果 App Store 和 Google Play 免费榜首位并连续数日维持第一，Meta 股价周一暴涨约 12%。Sensor Tower 分析师称，Muse 自 9 月 8 日上线后六天内下载超 90.2 万次，高于前代 Meta AI 同期 77.3 万次；其同期下载量达 180 万次，超过 ChatGPT 的 130 万次。分析师称扎克伯格打造个性化 AI 助手的愿景终于获消费者认可。

🔶 Kimi K3 上线 AWS Bedrock，中国模型开启海外云分成

月之暗面的 Kimi K3 于 9 月 18 日正式上线 Amazon Bedrock，AWS 作为托管方按输入 3 美元/百万 token、输出 15 美元计费，与官方 API 价一致；这是月之暗面与微软、亚马逊、谷歌三大云谈判后首个落地成果。模型可运行编码、文档分析与长程智能体工作流，并支持显式 prompt caching，可复用 Bedrock 的安全、加密与审计控制。

𝕏 OpenAI 个人智能体 Codex Bot 拟在 DevDay 前发布

OpenAI 正赶制暂名 Codex Bot 的个人智能体，对标 SpaceXAI 的 Grok Bot，基于开源框架 OpenClaw 开发，并挖来其创始人 Peter Steinberger，计划在 9 月 29 日 旧金山 DevDay 前亮相；同期传闻 GPT-6-Sol 与 Opus 5.5 即将发布。

腾讯混元发布混元图像 3.5 预览版，2K 图像定价 0.15 元/张

腾讯混元发布图像生成模型 Hy Image3.5 preview，支持文生图、图生图及多轮对话创作，输出最高支持 2K 分辨率。经内部数百名设计师盲测，效果较 Hy Image3.0 提升 30%，与 Seedream 5.0 pro 持平。腾讯云 API 2K 图像定价 0.15 元/张（国际版 0.024 美元），仅对输出图片收费。

𝕏 The Information：OpenAI 已基本自动化新实验模型的训练流程

据 The Information 报道，OpenAI 内部已基本实现新实验模型训练的 自动化，研究团队每个人工工作日由 AI 智能体产出相当于 3.1 个工作日 的研究量，并已用旗舰模型完成轻量模型的后训练。

千问办公发布企业级 Agent 产品，同步推出 AI 硬件 QwenNote A2

阿里千问办公在云栖大会发布 企业上下文、数字员工、协作空间、安全中心等企业级 Agent 产品，CEO 陈宇森称其为业内首个企业级 Agent 产品，并发布 AI 硬件 QwenNote A2，提出千万台销量目标。

吴泳铭：未来机器思考总量将达人类 1000 倍以上

阿里巴巴 CEO 吴泳铭 在 2026 云栖大会表示，机器正成为思考主力，未来机器思考总量将达人类的 1000 倍以上，今天这一比例不足 3%。阿里将坚定投入 AI 模型、AI 芯片、AI 云三大基石，目标到 2032 年阿里云全球数据中心规模超 20GW。

GPT-6 Astra 安全测试：97% 试验尝试有害行为，62% 成功

独立评测机构 Robocurve 的 RoboHarm 基准测试显示，GPT-6 Astra 操控双臂机器人时，在 97% 试验中尝试有害行为，62% 成功；对照组 Claude Fable 5.1 拒绝 20% 指令。马斯克转发了相关帖文。

AWS 发布 Strands Harness，同精度下 Token 成本降 28%

AWS Strands Agents 团队发布通用智能体框架 Strands Harness，Apache 2.0 开源，支持 Python 和 TypeScript。团队称在 6 项基准上跑相同 Claude/GPT 模型，成本比其他 harness 低 28%，精度接近，一行代码即可启动。

𝕏 3 亿参数开源 System 1 决策模型 Laya 发布

Laya 为 3 亿参数 的 System 1 决策模型，Apache-2.0 开源，单次判断约 21ms，0 Token 生成，每秒可做 30 次决策，可在本地机器运行。

🔶 中国平安日均 Token 突破 3000 亿，AI 坐席覆盖 81% 客服量

中国平安 CTO 王晓航在云栖大会披露，过去一年算力从 800PF 提升至 1500PF，日均 Token 用量突破 3000 亿，以 2 倍投入实现 10 倍 Token 增长；上半年 AI 坐席覆盖 81% 客服总量，产险智能反欺诈减损 71.1 亿元。

🔶 智谱致歉并开源 ZCode，推出数据不留存机制

针对 ZCode 未经用户允许静默上传全量 Git 历史，智谱完成整改并开源 ZCode，承诺代码数据无留存、从未用于训练，并上线数据内容不留存功能。已邀请中国信通院和绿盟科技开展安全审计。

🔶 月之暗面发布 Kimi Code 桌面客户端，提供三种模式

月之暗面同步上线 Kimi Code 桌面版 macOS 与 Windows 客户端，内置终端、浏览器和 Git，提供 Plan 模式、Goal 模式与 Swarm 模式，另有实验性多智能体协作模式，客户端未开源。同期 亚马逊 Bedrock 接入开源大模型 Kimi K3，全球开发者可直接调用，分成模式正式落地。

𝕏 Grok 4.7 与 MiMo V2.6 同期发布，价格相差悬殊

Grok 4.7 与 MiMo V2.6 同期发布，能力在第三方测评上接近但价格悬殊：MiMo V2.6 Pro 缓存命中时输入 ¥0.025、输出 ¥6，Grok 4.7 折算输入 ¥3.35、输出 ¥40。作者认为现在发布模型只能走“最便宜里最强”或“最前沿”两个极端。

𝕏 White Circle 开源 Halo 分布式后训练框架，训练吞吐提升 2.8 倍

White Circle 发布开源分布式后训练框架 Halo，面向已超出 Hugging Face TRL 能力、又无需完整 Megatron 栈的模型。在 8×B300 上训练吞吐达原生 Hugging Face RL 的 2.8 倍，峰值显存减少 25%。

𝕏 Paradigma 开源 1B 数学专用模型 Violetto

AI 公司 Paradigma 开源 Limite 1B - Violetto 数学专用模型，仅 1B 参数，数学竞赛题得分追平甚至超过体量大数十倍的知名模型，模型与配套工具已开源。

华为发布新一代 AI 算力基础设施昇腾 960 超节点

中信建投研报指出，华为发布新一代 AI 算力基础设施 昇腾 960 超节点。

高瓴创投合伙人严文韬正式入职 DeepSeek 任 CFO

高瓴创投合伙人 严文韬 9 月 21 日正式加入 DeepSeek 并到岗，终结了 DeepSeek 成立三年来 CFO 空缺的局面。近两个月内有多位头部 VC 年轻合伙人参与该岗位竞聘。

𝕏 OpenAI 要求美国政府牵头制定前沿 AI 全球安全标准

OpenAI 呼吁美国政府牵头，联合其他国家为 前沿 AI 系统 制定全球安全与安保标准，重点关注 递归自我改进（RSI），并明确表示完全自主的 RSI 目前并未实现，在安全问题解决前不应推进。

𝕏 Parakeet Redux 发布：语音转文字模型压缩至 178MB

开发者发布 Parakeet Redux，将英伟达 Parakeet 模型从 1.2GB 压缩至 178MB 的三值语音转文字模型，CPU 上以 113 倍 实时速度运行，在 25 语言 FLEURS 基准上超过原模型，英语 WER 保持在 0.3 以内。

𝕏 小米 MiMo-V2.6 310B 在 1000+ TPU 上完成全参数 RL

Peano AI 在 1000+ TPU 上完成 小米 MiMo-V2.6 310B 的全参数强化学习，vLLM 负责 rollout 并与训练器在验证中逐位对齐，310B 参数可在 2 秒内完成 ICI 互联迁移。

𝕏 Jev for Science：0.62 秒读完 5.8 万字符论文并作答

Jev for Science 展示科研问答能力：读取 5.8 万字符 论文后用 0.62 秒 选出正确答案，置信度 99.971%；对照版本 ScienceBuddy 耗时 7 秒仍未完成第二步模型调用。

𝕏 GPT-6 Astra 被评为最强视觉模型

测试显示 GPT-6 Astra 是目前测试过的 最佳视觉模型，在检测、分割、框选提示、计数、推理和视频任务上表现领先。

𝕏 xAI 更新 SDK，Grok 排名升至 Vals Index 第 10

xAI 在 Grok 4.7 发布后更新 SDK，改为默认在所有 API 返回 encrypted_reasoning_content，解决此前推理上下文在多轮对话间丢失的问题。更新后 Grok 在 Vals Index 排名显著提升至第 10 位。

𝕏 开发者贴出模型性价比排名：Astra 正确率王者

开发者贴出模型性价比排名：Astra 以 81.7% 正确率居首，Sol 在强模型中成本最佳（$0.0462），DeepSeek V4.1 Flash 性价比最高（70% 正确率、$0.0217），Claude Opus 5 成本最高（$0.5166）。

Grok 4.7 智能体核对 200 万美元保险理赔，发现 14.3 万美元免赔额错误

Box Agent 预览显示，Grok 4.7 分析一笔 200 万美元 保险理赔，发现 14.3 万美元免赔额错误、8.2 万美元重复发票和 6.4 万美元遗漏项目。

---